关键词： 党参   指纹图谱   聚类分析   主成分分析   偏最小二乘法判别分析  

摘要： 目的基于HPLC指纹图谱对党参药材中多种化学成分进行含量检测,并结合多种化学计量学统计分析评价多产地多来源多批次的党参药材整体质量。方法用ACE Neptune-C18色谱柱(250 mm×4.6 mm,5μm),以乙腈-0.15%甲酸水溶液为流动相,体积流量0.8 mL·min^(-1),检测波长260 nm,柱温20℃,对41批次来源于多个产地的党参药材构建HPLC指纹图谱并结合化学计量学分析对党参质量进行评价,同时筛选出特征性成分进行含量检测及分析。结果建立了党参HPLC指纹图谱,确定了23个共有峰,并指认了其中7个色谱峰;41批党参HPLC指纹图谱的相似度在0.650~0.962;聚类分析将41批次党参聚为2类;主成分分析中6个主要成分分别反映23个共有峰信息;偏最小二乘法判别分析中根据投影重要性指标的值进一步筛选出主要影响党参间差异的9个成分峰,并进行多指标成分的方法学考察,结果各成分的加样回收率在99.09%~103.68%,RSD为1.21%~3.68%。结论不同产地和来源的党参药材存在一定的质量差异。通过指纹图谱、聚类分析、主成分分析及偏最小二乘法判别分析等方法相结合可全面地评价党参的质量,此方法的建立可以为党参的质量控制、产品评价提供一定的参考依据。

关键词： 负载模式识别   自编码器   K-Means算法   数据集   深度聚类  

摘要： 电力用户负载模式的识别有利于引导用户参与需求侧管理,提高能源的利用效率。面对电力负荷数据日趋海量的情况,传统K-Means算法无法有效处理,且存在无法准确衡量高维电力数据距离、对噪声和异常数据敏感等问题,文章提出一种基于自编码器(auto-encoder,AE)与K-Means算法结合的方法。首先利用自编码器来提取出电力数据潜在的特征,然后利用K-Means算法对提取出的抽象特征进行聚类,最后利用自编码器与聚类的联合误差优化整个模型,使聚类效果更好。通过英国电力网络领导的低碳项目中伦敦家庭的电力数据集来验证方法效果,证明该方法能提供准确的聚类结果,有效分析出不同类型的负载模式。

关键词： 解析几何   解题教学   审题习惯   目标意识   模式识别  

摘要： 在一次高二期末调研数学测试中,一道解析几何综合题学生的解答情况很不理想。分析学生该题的解答情况反映出的一般的学习问题,提出相应的教学对策:培养学生良好的审题习惯;强化学生解题的目标意识;引导学生在解题的探究过程中体悟模式识别下思路引领的作用;培养学生巧算的意识和能力。

关键词： 等离子体诊断   谱聚类   模式识别   相干模式  

摘要： 高约束模式对改善等离子体约束有着重要意义,但目前主要依赖人工进行模式识别,其效率低、成本高,导致核聚变装置中大量的诊断数据没有得到充分分析.为了解决这个问题,本文将机器学习中的谱聚类算法应用到EAST托卡马克装置上的电子回旋辐射成像、一维诊断系统电子回旋辐射计、磁探针、软X射线和快辐射等不同诊断系统的数据上,在时域及频域上识别出了锯齿模,验证了谱聚类方法的迁移性及准确性,解决了监督学习在数据处理上迁移性差以及需要依赖大量标签数据的问题.此外,本文实现了特定模式的筛选;最后利用电子回旋辐射成像及磁探针数据发现了一种可能的新模式,为新模式探索提供了一种新思路.

关键词： 马铃薯   干腐病   疮痂病   高光谱   模式识别  

摘要： 马铃薯干腐病和疮痂病的检测通过人工目测,结果存在主观性,该工作研究正常、干腐和疮痂病马铃薯的光谱分类识别方法。试验获取116个样本,光谱采集范围860~1745 nm。经过一阶导数(first derivative,FD)处理后的光谱数据,主成分(PCA)分类识别效果较好,FD作为光谱预处理方法。光谱曲线上的极值点、极值点间的中点和极值点间连线的斜率决定光谱曲线的形状和变化,是曲线上的关键点,光谱曲线形状变化代表着内部物质的变化,具有指纹特性,利用极值点和中点对应的光谱或极值点间连线的斜率组成模式特征向量。分别用3种样本关键点的平均光谱形成标准模式特征向量,通过计算待测样本关键点组成的特征向量和标准模式特征向量之间的马氏距离,以最小马氏距离判定样本的归属,通过错误识别率检验模型识别性能。正常、干腐、疮痂样本分别有13,12,15个关键点,由各自关键点对应的反射率组成的模式特征向量,3类样本的错误识别率为0。去掉冗余关键点整合成一个标准模式特征向量,正常和疮痂样本的错误识别率为0,干腐样本的错误识别率为14.3%,全部错误识别为疮痂样本,特征向量数据点的增多,增加了病害样本之间的贴合度,降低了两类病害样本之间的区分度。利用波长911,1269和1455 nm处两点间的斜率形成模式特征向量,正常和疮痂样本的错误识别率为0,干腐样本的错误识别率为2.4%。利用前2个主成分得分作为参数,采用线性判别分析(LDA)和贝叶斯分类器(BC)建模,提供不同角度的分类模型,对比检验基于模式特征向量建立的分类模型的有效性,2种识别方法的错误识别率均为0。实验结果表明,可以利用表征光谱曲线结构特征的模式特征向量作为分类参数,结合距离法建模,与常见识别方法具有同等识别精度。

关键词： 图像处理   模式识别   图像去雾   深度学习   注意力机制   马尔可夫判别器  

摘要： 针对现有去雾算法无法根据有雾图像的不同区域特征进行差异化处理的问题,提出了一种基于注意力机制和马尔可夫判别器(PatchGAN)的图像去雾算法。注意力机制的加入使所提算法能够为不同区域的特征自适应分配权重;同时使用带有Inception机制的模块来预测全局相关的大气光值更加准确,也更为有效。将预测到的大气光值、透射率及有雾图像输入大气散射模型中即可得到去雾图像,最后将去雾图像输入PatchGAN中,由其判断真假。实验结果表明,所提算法在室内有雾图像和室外有雾图像上均取得了良好的去雾效果,并且提高了去雾图像的亮度和饱和度。

关键词： 模式识别   DBN网络   PSO算法  

摘要： 针对薄板复合材料粘接质量识别问题,提出了一种基于粒子群算法(PSO)的改进型深度置信网络(DBN)深度学习模型,使用PSO来优化标准DBN网络权重,以解决薄板复合材料在识别过程中分类过拟合的问题,并利用该模型完成了薄板复合材料粘接质量的识别过程。探讨算法设计步骤,并对模型进行多次调试、训练,确定网络模型参数,完成测试数据识别。仿真结果表明:经过多次训练测试调整参数,生成PSO-DBN深度学习网络模型,对比改进型BP神经网络识别方法,避免了随机初始化导致的局部最优解问题,粘接质量识别的准确度有所提高。

关键词： 北苍术   苍术素   一测多评法   化学模式识别  

摘要： 建立北苍术药材指纹图谱结合化学模式识别,对不同产地北苍术进行质量评价并结合一测多评法,验证其在北苍术药材质量评价中的可行性和适用性。采用HPLC建立北苍术指纹图谱评价其批次间的一致性,以药材中质控成分苍术素为内参物,建立其与白术内酯Ⅰ、白术内酯Ⅲ、β-桉叶醇的相对校正因子并计算4种成分的含量。采用外标法对一测多评法进行验证,结合相似度分析、聚类分析及主成分分析等化学模式识别对北苍术进行质量评价。结果显示,13批样品指纹图谱共标定21个共有峰,对4个共有峰进行了指认,相似度较高,均在0.9以上,以苍术素为内参物建立的相对校正因子在不同实验条件下重现性良好,白术内酯Ⅰ、白术内酯Ⅲ、β-桉叶醇的相对校正因子分别为2.091、4.253、6.010。各成分外标法与一测多评法结果无显著差异,说明该实验建立的一测多评法稳定可靠。因此,HPLC指纹图谱结合一测多评法可用于北苍术的质量评价,为全面、快速评价北苍术的质量提供科学依据。

关键词： 模式识别   表面肌电信号   卷积神经网络   特征提取   分类识别   下肢动作  

摘要： 针对目前下肢动作模式识别技术存在的数据量少、识别率低的问题,提出了一种新的基于卷积神经网络的下肢动作模式识别方法。以下肢步态动作识别为对象,采集无负重平地行走,无负重上/下楼及负重上/下楼5种步态的表面肌电信号(surface electromyography, sEMG),对sEMG进行特征提取,构建了一种以特征集作为输入的卷积神经网络,并比较了其与另外几种传统分类识别方法的识别准确率和工作特征。实验结果表明,新方法对于5种步态的平均识别准确率大于95%,错误率都低于8%,具有较高的准确性。因此所提方法的输入特征集更能代表预测模型特征,模式识别率更高,可为康复医疗机器人、助力机器人等设备改善下肢运动功能提供参考。

关键词： 通信网络技术   卫星通信   数字孪生   模式识别   决策融合  

摘要： 为了解决高轨宽带、高轨移动、低轨星座卫星通信系统融合使用时,运行态势不全面、不精确等问题,设计了基于决策融合的多卫星通信系统态势分析技术。首先,借鉴数字孪生理论,建立板卡级、设备级、节点级、网络级、应用级5个层级体系化数字空间模型。其次,提取数据特征,得到高质量数据样本。最后,通过决策融合分析方法,对数据样本运用多种算法进行初步分析,再将不同算法的分析结果进行融合得出最终结果。结果表明,基于决策融合分析,能够对真实多卫星通信系统的不同指标主题得出较好的分析结果。因此,决策融合得到的分析结果可以帮助卫星通信系统运维人员更好地优化多卫星通信系统的运行状态。